AI 工具能夠成功預測臨床試驗結果的突破性裏程碑
引言
Insilico Medicine 是一家臨床階段人工智慧藥物研發公司，日前宣布了一項具有突破性意義的醫療裏程碑：他們成功使用自家開發的生成式轉換器 AI 工具 inClinico，預測了第二期到第三期臨床試驗的結果。這個研究顯示了人工智慧在革命性地改變藥物研發和投資決策方面的潛力。
臨床階段的挑戰以及人工智慧的應用
臨床階段通常佔到藥物研發失敗的 90%，其中包括藥物有效性不足、安全性疑慮以及疾病和資料的複雜性等問題。這些失敗導致了數萬億美元的損失和多年的努力浪費。為了應對這個巨大的失敗率，Insilico 開發了生成式 AI 軟體平臺 inClinico，用於預測第二期臨床試驗的結果。該平臺融合了多個引擎，利用基因 AI 和多模態資料，包括文字、嵌入學、臨床試驗設計和小分子特性。其訓練資料包括過去七年的超過 55,600 個獨特的第二期臨床試驗。Insilico 的研究人員開發的後續臨床試驗機率模型在與現實世界試驗的前瞻性取證資料集中展示了令人印象深刻的 79%的準確性。
人工智慧革新藥物研發
這項研究發表在《臨床藥理學和治療學雜誌》上，展示了人工智慧在革新藥物研發和投資決策方面的潛力。Insilico 表示本研究中使用的 AI 引擎已經被整合到 inClinico 系統中，用於預測臨床試驗結果。這種整合是 Medicine42 臨床試驗分析和計劃平臺的關鍵組成部分。Insilico Medicine 的創始人兼執行長 Alex Zhavoronkov 告訴 VentureBeat 說：“當涉及處理和分析復雜資料以及識別模式時，人工智慧提供了巨大的優勢。我們使用機器學習和人工智慧建立了基於已經成功發布的和失敗的藥物相關資料的模型。然後，我們將這些模型結合到我們的預測引擎 inClinico 中。對於每個評估的第二期臨床試驗，inClinico 都會生成一個成功進入第三期試驗的機率。” Zhavoronkov 表示取證研究在內部進行，並與製藥公司和金融機構合作進行，展示了 incline 平臺的韌性。在一個準前瞻性取證資料集中，該平臺的 ROC AUC 分數達到了 0.88，這是衡量其在臨床試驗轉化中區分成功和失敗能力的一個指標。該公司聲稱，這個平臺的準確預測透過一個日期標記的虛擬交易組合進行了測試，9 個月內獲得了 35%的投資回報率（ROI），使其成為尋求關鍵技術審核訊息的投資者的一個有價值的工具。
利用生成 AI 進行藥物研發和發現
Zhavoronkov 表示他的研究小組從 clinicaltrials.gov 和其他公開來源（包括製藥公司的新聞稿和出版物）中收集來了 55,653 個臨床試驗的第二期資料。這些資料需要經過適當的標記、注釋和連結。這項任務由生物醫學專家、鑒別式轉換器和生成式大型語言模型完成。然後，一個轉換器系統將這些試驗透過基於最先進藥物和疾病解讀學的自然語言處理（NLP）流程，對映到藥物和疾病上。此流程被稱為基於生物醫學實體表示轉換器的藥物和疾病解讀學學習（DILBERT），在 ECIR 2021 會議上發表。Zhavoronkov 表示製藥行業傳統上依賴基礎學術研究和偶然發現來產生新的想法和假設。然而高失敗率意味著疾病和生物機制的複雜性使得確保成功治療疾病的目標變得非常具有挑戰性，特別是新的標靶。Zhavoronkov 堅持認為，將人工智慧納入分析大量、多樣化資料的過程中，可以揭示出對人類不易看出的疾病機制和潛在治療方法的洞見。PandaOmics 是 inClinico 的一部分，它整合了來自臨床試驗、藥物和疾病訊息的大量資料，以預測第二期到第三期轉化的成功或失敗的可能性。PandaOmics 利用多種資料型別，例如生物學資料、研究經費、臨床試驗、化合物和出版物，進行分析並生成一個特定疾病的潛在靶點的排名列表。Zhavoronkov 告訴 VentureBeat 說：“PandaOmics 是一個用於目標識別的知識圖譜，透過它，我們的生成 AI 平臺可以找到臨床試驗成功或失敗、疾病狀態和藥物屬性之間的聯絡，這對於人類科學家可能掌握不了。” “使用這些資料，我們建立了預測第二期臨床試驗成功的模型，即藥物-疾病對從第二階段過渡到第三階段的機率。”
增強的預測能力
Zhavoronkov 表示該公司自 2014 年以來一直在使用臨床試驗、藥物和疾病方面的資料訓練 inClinico。他強調透過結合多模態 LLM 和其他生成 AI 技術，該公司大大提高了其預測能力。因此 inClinico 現在成為指導公司將研究資金和專業知識投放到具有最高成功機率的專案中的工具。此外它還使他們能夠捕獲並利用那些遇到挫折的專案中的有價值訊息。Zhavoronkov 解釋說：“即使沒有與藥物的臨床相關性相關的先驗訊息，inClinico 也能夠預測成功的第二期到第三期試驗轉化的藥物。這取證了生成式 AI 模型及其利用現有資料預測更少資料可用的疾病結果的能力。當擁有更多的資料和更多的成功結果時，人工智慧的準確預測能力變得更加出色。”
Insilico 的未來展望
Zhavoronkov 對這些發現表示了強烈的鼓勵，但同時承認這些發現是基於有限的資料集。他堅信，隨著資料和增強學習的激增以及 Insilico 內部專案的洞察，系統的複雜性和準確性將持續提高。Insilico 預計可以利用新的實驗室機器人技術提高 inClinico 工具對於組合療法成功率的預測能力，並為靶向治療中最有效的組合的選擇提供幫助。Zhavoronkov 解釋說：“我們將尖端技術突破融入我們的平臺，包括 AI 驅動的機器人、AlphaFold 和量子計算等。我的偉大目標是看到這個工具得到廣泛應用，因為使用越廣泛，改善也會越大。我們使用一種稱為從專家反饋中進行強化學習的方法，工具的準確性會隨著我們從分析師那裡獲得的見解而提高。當前我們只能預測小分子首創的單一靶向治療藥物。”
延伸閱讀
- Google I/O 2024: 精彩預測與新科技大揭祕
- Meta 推出的 AI 工具現在能夠創造全新的影象，而非僅僅是更換背景
- 微軟禁止美國警方使用企業 AI 工具進行臉部辨識
- 字母 X 的 Bellwether 利用人工智慧幫助預測自然災害
- 露思特汽車將在 2024 年只生產 9,000 輛電動車，儘管曾預測將販售 90,000 輛
- 科技新聞網站: Qloo 籌集 2500 萬美元資金，預測你最喜愛的電影和電視節目
- Coinbase 樂觀預測：穩定幣及 Base 將成為 2024 年關鍵焦點
- Carta 現在會發生什麼事？
- Theory Venture 創始人 Tomasz Tunguz 揭示 2024 年預測：人工智慧主宰、Web3 再起、科技投資新常態
- 40 多位投資者分享他們對 2024 年的頂級預測
